基于遗传算法的产品装配序列规划研究

0 引言

    产品装配序列规划作为产品生命周期的重要一环，在产品设计开发过程中占有很重要的地位，因为产品设计总费用40%～60%被花费在装配劳动中，如何在给定产品在设计方案的条件下，寻找满足几何约束以及其它约束条件（工艺、装配成本等）的合理可行的装配序列一直是装配工艺师所面临的富有挑战性的工作。好的装配序列规划已经被视为减小装配难度、减少装配工具以及缩短装配时间的实用方法。装配序列规划问题的本质是一个NP组合优化难题，传统的装配序列规划的方式有两种：一是基于装配工程师的知识以及经验，二是图搜索算法。方法一受设计者的知识局限性和主观性影响较大，尤其是对于复杂零件的装配工艺，设计出的装配序列常常不是最优的，甚至是不可行的。方法二的局限性在于当产品零件数目较多时，将会出现装配序列组合爆炸的问题。20世纪90年代以来，人工智能被运用到组合优化求解问题中，并取得了一些成就。包括模拟退火算法、人工神经网络、蚁群算法、遗传算法及其相关混合算法。因遗传算法具有搜索速度快、算法简单，无需遍历整个解空间就能找到一个最优或次最优解，能有效解决组合优化中得组合爆炸问题，修改染色体的编码方式和适应度函数可解决不同的优化问题等特点，遗传算法被广泛的运用到装配序列规划问题的求解。

1 零件可行装配方向推理及装配基准件选择

    1.1 遗传算法的相关研究及改进

    Bonnevil等首先将遗传算法引入装配规划设计中，但他们的算法效果受初始迭代值的影响，而且要求初始序列都是有效的；Romeo M Marian等在建立关联矩阵和优先关系矩阵的基础上，通过向导搜索算法生成可行的装配序列后，再用遗传算法对可行的装配序列进行优化，该方法也要求初始序列都是有效的；杨鹏等改进了传统的基因算法，通过交叉和多层次变异来实现基于基因组编码表示的多信息装配序列的并行优化；周开俊等在杨鹏的研究基础上考虑子装配体稳定性的目标函数，采用带记忆的遗传算法进行装配序列规划；刘诚等将遗传学原理的基因修复技术引入用于求解装配序列规划问题的遗传算法，利用基因“修复”操作，将子代个体中违反先序约束的基因“修复”为有效基因，从而保证了整个种群的基因多样性，避免了进化过早地收敛于局部最优解。基于几何干涉矩阵的基础推导并优化装配序列，但是忽视了装配过程中装配基准和零件装配优先关系。

    有鉴于此，采用改进的遗传算法，考虑装配基础件对产品的装配序列进行规划研究。通过该算法，获得一条满足几何约束、符合实际装配过程的高效率产品装配序列，用以指导产品的实际装配。